Hogyan menthető meg a Performance Max 2026-ban? Költségcsökkentés és kosárérték-növelés a magyar piacon

A Google Performance Max (PMax) kampányok 2026-ra teljesen kiszorították a hagyományos keresési és vásárlási kampánytípusokat a magyar e-commerce szegmensben, ám a techóriás által ígért "állítsd be és felejtsd el" automatizáció a gyakorlatban kíméletlen profitgyilkosnak bizonyult. Miközben a Google algoritmusai a mesterséges intelligenciára hivatkozva egyre kevesebb közvetlen beleszólást engednek a licitálási folyamatokba, a hazai webshopok többsége vakon égeti a marketingbüdzsét olyan márkaneves (brand) keresésekre és irreleváns partnerhálózati elhelyezésekre, amelyek valódi inkrementális növekedést nem generálnak. A sikeres PMax optimalizálás kulcsa ma már nem a Google irányelveinek szolgai követése, hanem a rendszerszintű mikromenedzsment, az elsőfeles (1st party) adatok agresszív becsatornázása és az algoritmus tudatos korlátozása. Az alábbiakban bemutatjuk, hogyan lehet visszaszerezni az irányítást a fekete doboz felett, és maximalizálni a tényleges, brand-szűrt profitot a hazai piacon.

A magyar e-commerce piac 2026-ra érett, de rendkívül telített fázisba lépett. A lakossági reálbér-növekedés megtorpanása és a magas áfakornyezet miatt a vásárlók rendkívül árérzékenyek, miközben az olyan globális és regionális óriások, mint a Temu, az Alza vagy az eMAG, agresszív árazási és PPC stratégiával szívják el a levegőt a középvállalkozások elől. Ebben a környezetben a hirdetési költségek drasztikusan megemelkedtek.

Míg 2022-ben egy átlagos magyar webshop 40-70 Ft-os kattintási költséggel (CPC) dolgozott a lakberendezési vagy divat kategóriában, addig 2026-ra a CPC szinte minden kompetitív szegmensben átlépte a 120-220 Ft-os sávot, sőt, a prémium kategóriákban (pl. matracok, épületgépészet, műszaki cikkek) a 350-500 Ft-os CPC sem ritka. Ha egy 100-500 millió HUF éves árbevételű hazai webshop a Google gyári ajánlásaira hagyatkozva futtatja a PMax kampányait, a teljes konverziós érték akár 40-50%-át is olyan brand kulcsszavak fogják kitenni, amelyekre organikus kereséssel ingyen is konvertált volna a látogató. Ez a torzítás fiktív módon mutat magas konverziós értéket és szép ROAS (hirdetési kiadások megtérülése) mutatókat a fiókban, miközben a bankszámlán realizált nettó profit ütemesen csökken.

A hagyományos, egyetlen PMax kampányba ömlesztett termékfeedek kora lejárt. Ha nem bontjuk le és nem strukturáljuk újra a kampányokat árrés, termékéletciklus és valós konverziós volumen alapján, az algoritmus a büdzsé 80%-át a top 5% legnépszerűbb (de gyakran legalacsonyabb árrésű) termékre fogja elkölteni, teljesen elszívva a forrást az újdonságok és a magas profitot termelő cikkek elől.

Szakmai körökben még mindig makacsul tartja magát az a nézet, hogy a Google intelligens kampányait nem szabad feldarabolni, mert az algoritmusnak nagy adatmennyiségre van szüksége a tanuláshoz. Ez részben igaz, de ha nem szabunk határokat, az automatizáció a legkisebb ellenállás irányába mozdul el: az olcsó, könnyen eladható, de marginális profitot hozó termékeket fogja erőltetni.

```

[Minden Termék (Feed)]

│

├──► 1. Kampány: Zombie termékek (0-3 kattintás / 30 nap) ──► Alacsony tROAS (Licit kényszerítés)

│

├──► 2. Kampány: Kiemelt Húzótermékek (Hero) ──────────────► Magas tROAS (Profit maximalizálás)

│

└──► 3. Kampány: Szezonális / Akciós termékek ─────────────► Egyedi tételcsoportok és promóciós kreatívok

```

Egy átlagos, 5000-15000 cikkszámmal (SKU) dolgozó magyar webshop esetében a termékek 70-80%-a úgynevezett "zombi" állapotban van: az elmúlt 30 napban egynél több kattintást sem kaptak a PMax kampányon belül, mert az algoritmus minden büdzsét ráöntött a top 20 sikertermékre.

Ennek feloldására egyedi címkék (custom labels) segítségével le kell választani ezeket a zombi termékeket egy különálló PMax kampányba. Ehhez a Google Merchant Centerben vagy egy külső feed-optimalizáló szoftverben (pl. DataFeedWatch vagy PPC Bee) be kell állítani egy szabályt: ha egy termék az elmúlt 30 napban 5-nél kevesebb kattintást kapott, kapjon egy "zombie" jelölést. Ezt követően indítsunk egy dedikált "PMax - Zombi" kampányt alacsonyabb cél-ROAS (tROAS) beállítással, ami rákényszeríti az algoritmust arra, hogy ezeket a termékeket is tesztelje a piacon.

A bevétel alapú ROAS-optimalizálás legnagyobb hibája, hogy nem tesz különbséget a 10%-os és a 50%-os árréssel dolgozó termékek között. Ha a webshopunk 5-szörös ROAS-t produkál egy 50 000 Ft-os, de mindössze 5%-os árrésű elektronikai cikknél, azon kevesebb nettó profitot realizálunk, mintha 3-as ROAS-t érnénk el egy 15 000 Ft-os, de 60%-os árrésű saját márkás kiegészítőn.

Csoportosítsuk a termékeket az árrés mértéke szerint legalább három kategóriába az egyedi címkék használatával:

• Alacsony árrés (Low Margin: <15%): Magas tROAS cél beállítása (pl. 800-1000%), hogy csak szigorúan validált, olcsó konverziók esetén vásároljon hirdetési helyet az algoritmus.
• Közepes árrés (Medium Margin: 15-35%): Standard tROAS cél (pl. 400-500%).
• Magas árrés (High Margin: >35%): Agresszív növekedési cél alacsonyabb tROAS beállítással (pl. 250-300%), hogy a piaci részesedést maximalizáljuk a legnyereségesebb termékeknél.

A Google erőteljesen nyomja a hirdetőket az összetett kreatívok (szövegek, képek, videók) feltöltése felé, hogy a PMax hirdetések megjelenhessenek a YouTube, a Gmail és a Discovery felületeken is. A tapasztalat azonban azt mutatja, hogy ezen a hálózaton generált forgalom konverziós aránya töredéke a tiszta kereső és vásárlási (Shopping) felületeknek.

Ha egy termékcsoportnál kizárólag a vásárlási szándékkal rendelkező felhasználókat akarjuk elérni, hozzunk létre egy olyan PMax kampányt, amelyben semmilyen szöveges, képi vagy videós elemet nem adunk meg az Asset Groupban, kizárólag a termékfeedet csatoljuk be. Ebben az esetben a Google kénytelen lesz szinte tisztán Shopping formátumban futtatni a kampányt a Google Keresőben és a Shopping fülön. Ezzel drasztikusan csökkenthető az irreleváns partnerhálózati elhelyezéseken elégetett büdzsé.

---

2026-ban a harmadik féltől származó cookie-k végleges kivezetése után az a hirdető nyer, aki pontosabb és értékesebb saját adatokat képes visszatáplálni a Google gépi tanulási rendszerébe. Ha a PMax kampányunkat sima, böngészőoldali konverziós pixelekre bízzuk, vakon repülünk.

| Adatforrás típusa | Megvalósítás módja | Hatása a PMax algoritmusra |

| :--- | :--- | :--- |

| Böngészőoldali pixel | Standard GTM script | Pontatlan mérés (iOS block, adblockerek miatt akár 30-40%-os adatvesztés) |

| Server-Side GTM | Google Cloud / Stape.io | 100%-os adatpontosság, gyorsabb oldalbetöltés, hosszabb cookie élettartam |

| Enhanced Conversions | Hashed user adatok küldése | Jobb cross-device követhetőség, pontosabb attribúció |

| Profit Metric visszaküldés | Offline konversió importálás / API | Az algoritmus nem a bevételt, hanem a valós profitot optimalizálja |

A magyar piacon a webshopok jelentős része még mindig küzd az ad-blockerek és a Safari böngésző ITP (Intelligent Tracking Prevention) algoritmusa miatti mérési pontatlanságokkal. Egy havi 1000 konverzió feletti webshopnál a szerveroldali mérés (Server-Side Google Tag Manager) bevezetése nem opció, hanem alapfeltétel.

Ha a mérést áttereljük egy saját domain alól futó felhős szerverre (például egy havi 20-50 EUR költségű Stape.io vagy Google Cloud szerverre), az elsőfeles sütik élettartama nem korlátozódik 1-7 napra, és a hirdetésblokkolók sem tudják megakadályozni a konverziós adatok eljutását a Google Ads-be. Ez azonnal 15-25%-kal több rögzített konverziót eredményez a fiókban, amiből az algoritmus sokkal gyorsabban tanul.

Sokan elkövetik azt a hibát, hogy a PMax kampányokban a célközönség-jelzéseknél (Audience Signals) csak általános érdeklődési köröket adnak meg. Ehelyett exportáljuk a webáruház motorunkból (pl. Shoprenter, Shoptet, UNAS, Shopify) a vásárlók adatait, szegmentálva őket vásárlási érték szerint:

• Top 10% VIP vásárlók: Azok, akik az elmúlt egy évben a legmagasabb kosárértékben (AOV) és a legtöbbször vásároltak.
• Többszörösen visszatérő vásárlók: Akiknél a vásárlási gyakoriság $\ge 2$.
• Hírlevél feliratkozók, akik még nem vásároltak.

Ezeket a listákat SHA256 titkosítással (hashed formátumban) töltsük fel a Google Ads Közönségkezelőjébe, és rendeljük hozzá jelzésként a megfelelő Asset Groupokhoz. Bár a Google nem célozza meg közvetlenül és kizárólagosan ezeket a listákat (mivel a PMax egy nyitott célzású kampány), az algoritmus ezekből az adatokból tanulja meg a legpontosabban, hogy milyen demográfiai és viselkedési mintázatú új ügyfeleket kell keresnie a piacon.

---

Kizárások és a brand-kannibalizáció megakadályozása

A Performance Max kampányok egyik legnagyobb bűne, hogy ha nincsenek megfelelően korlátozva, előszeretettel rabolják rá a saját márkanevünkre érkező organikus és normál keresési forgalmat. Ha egy felhasználó beírja a Google-be, hogy "Márkanév Webáruház", és rákattint az első helyen megjelenő PMax hirdetésre, a Google elkönyvel egy konverziót és egy magas ROAS-t, miközben a felhasználó a hirdetés nélkül is az oldalon vásárolt volna.

Ez a tiszta profit elégetése. 2026-ban emiatt kötelező alkalmazni az alábbi szűréseket:

A Google Ads felületén a kampánybeállítások alatt ma már közvetlenül alkalmazhatunk Brand kizárási listákat a PMax kampányokra. Létre kell hozni egy saját brand listát, amely tartalmazza a webáruház pontos nevét, annak elgépelt változatait, illetve a saját márkás termékek neveit.

Szakmai tipp: Ha a saját márkánk neve nem egyedi (például "Szerszám Webáruház"), a Google néha korlátozza a kizárást, mert az túl széles általános kifejezéseket fed le. Ilyenkor a fiókszintű kizáró kulcsszavak listájához (Account-level negative keywords) kell hozzáadni a pontos egyezésű kulcsszavakat.

A PMax kampányok előszeretettel jelenítik meg a hirdetéseket kétes minőségű mobilalkalmazásokban, játékokban és gyerekcsatornákon a YouTube-on, ahol a kattintások többsége véletlen (főleg gyerekek által generált) és értéktelen forgalom.

• Mobilalkalmazások kizárása: Adjunk hozzá a kizárásokhoz az összes alkalmazáskategóriát (Apple App Store és Google Play kategóriák), ha a webshopunk nem kifejezetten app-specifikus termékeket értékesít.
• Irreleváns partnerhálózatok: Rendszeresen ellenőrizzük a Google Ads "Content" és "Placements" riportjait (még ha eldugva is vannak a riportkészítőben), és zárjuk ki azokat a domaineket, amelyek gyanúsan magas CTR-t és nulla konverziót produkálnak.

---

Az alábbi valós számokon alapuló esettanulmány bemutatja, milyen eredményeket lehet elérni a fenti stratégiák alkalmazásával egy kompetitív hazai szegmensben.

Egy hazai, egyedi bútorokat és lakáskiegészítőket értékesítő webáruház havi szinten átlagosan 2,2 millió HUF-ot költött Google Ads hirdetésekre. A fiókban egyetlen, minden terméket tartalmazó PMax kampány futott, amely a fiók statisztikái szerint kiváló eredményeket hozott:

• Havi hirdetési költés: 2 200 000 HUF
• Jelentett konverziós érték: 11 440 000 HUF
• Jelentett ROAS: 520%
• Átlagos kattintási költség (CPC): 165 Ft

A cégvezetés azonban észrevette, hogy a növekvő árbevétel ellenére a bankszámlán lévő szabad cash-flow csökken. Alaposabb elemzés után kiderült, hogy:

• A konverziók 45%-a a saját márkanevükre ("BútorMárka") történt keresésekből származott, amelyre organikus első helyen is rangsoroltak.
• A konverziók 30%-át olyan olcsó kiegészítők (pl. gyertyatartók, díszpárnák) adták, amelyeken az árrés mindössze 12% volt, míg a drágább, 45%-os árrésű egyedi kanapékra és asztalokra alig jutott költségkeret.
• A valós, nem-brand, árréssel súlyozott ROAS (amit POAS-nak, azaz Profit on Ad Spend-nek nevezünk) mindössze 140% volt, ami a szállítási és csomagolási költségek után veszteséges működést jelentett.

• Saját márka leválasztása: Létrehoztunk egy standard SEARCH kampányt a brand kifejezésekre, szigorúan korlátozott büdzsével és kézi CPC-vel (hogy minimalizáljuk a kattintási árat, ami így 165 Ft-ról 32 Ft-ra esett vissza). A PMax kampányból brand kizárási listával teljesen kizártuk a saját márkanevet.
• Margin-alapú feed szegmentálás: DataFeedWatch segítségével a termékeket három csoportba osztottuk az ERP rendszerből kinyert bruttó árrés alapján:

High Margin (Bútorok, egyedi termékek $\ge 40\%$ árrés)*

Medium Margin (Standard lakásdekorációk 20-39% árrés)*

Low Margin (Kiegészítők, akciós termékek $< 20\%$ árrés)*

• Különböző PMax struktúrák kialakítása:

* A High Margin csoport kapott egy dedikált PMax kampányt 280%-os tROAS beállítással, bőséges kreatív anyagokkal (valódi enteriőr fotók, 15 másodperces YouTube videók).

* A Low Margin csoport egy kizárólag feed-alapú (Feed-Only) PMax kampányba került, extrém magas, 750%-os tROAS korláttal, kizárva a felesleges display elhelyezéseket.

• Szerveroldali mérés és Offline Konverzió feltöltés: Bevezettük a Server-Side GTM-et Stape.io segítségével, és beállítottuk, hogy a Google Ads-nek ne a bruttó kosárértéket küldjük vissza konverziós értékként, hanem a tényleges nettó profitot (Nettó Árbevétel - Beszerzési Ár).

| Mutató | Optimalizálás előtt | Optimalizálás után (90. nap) | Változás (%) |

| :--- | :--- | :--- | :--- |

| Havi Költés | 2 200 000 HUF | 1 950 000 HUF | -11,3% |

| Összes Jelentett Bevétel | 11 440 000 HUF | 9 850 000 HUF | -13,9% |

| Saját Márka (Brand) aránya a költésben | 42% | 4% | -90,4% |

| Új Vevők Száma (Új ügyfél akvizíció) | 312 fő | 487 fő | +56,1% |

| Valós Nettó Profit (Hirdetési költség után)| 1 350 000 HUF | 2 890 000 HUF | +114,0% |

| Valós POAS (Profit / Ad Spend) | 1.4x | 2.48x | +77,1% |

Bár a papíron látható összesített árbevétel enyhén csökkent (mivel leállítottuk a brand-kannibalizációt és az alacsony árrésű, de drágán hirdetett termékek erőltetését), a vállalkozás nettó profitja több mint a duplájára nőtt. Ez a marketing intelligencia és a profit-központú szemlélet valódi ereje.

---

A Google ügynökségi kapcsolattartói (akiket gyakran külsős értékesítési ügynökségek biztosítanak a Google nevében) hajlamosak olyan ajánlásokat tenni, amelyek a Google hirdetési bevételeit maximalizálják, nem pedig a hirdető profitját. Szakértőként az alábbi csapdákat kell elkerülni:

• Az "Ajánlások" fül vak elfogadása (Auto-apply beállítások): Soha ne engedélyezzük az automatikus javaslatok végrehajtását. Az algoritmus előszeretettel emeli meg a költségkeretet vagy állít be alacsonyabb ROAS-t, amivel felzabálja a profitot.
• Az Asset Groupok elhanyagolása: Sokan feltöltenek 5 darab rossz minőségű termékfotót, megírnak 3 sablonos szöveget, majd hagyják futni a kampányt éveken át. A PMax kreatív-érzékeny rendszer. Ha nem frissítjük a kreatívokat legalább negyedévente a magyar piacon releváns, szezonális üzenetekkel (pl. "Balatoni nyár" vagy "Iskolakezdési kedvezmények"), a CTR és a minőségi mutatók bezuhannak, ami drágább kattintási árakhoz vezet.
• Csak egy konverziós cél használata prioritás nélkül: Ha a "Kosárba helyezés", az "Oldalmegtekintés" és a "Vásárlás" egyenértékű konverziós célként van beállítva a fiókban, a PMax a legkönnyebben elérhető célt fogja hajszolni (a kosárba helyezést), anélkül, hogy tényleges vásárlókat hozna. Kizárólag a "Vásárlás" (Purchase) legyen az elsődleges konverziós cél, a mikro-konverziók maradjanak másodlagos, csak megfigyelt státuszban.

---

A Performance Max kampányok profit-orientált optimalizálásához hajtsd végre az alábbi lépéseket az elkövetkező 14 napban:

• Brand audit (1. nap): Ellenőrizd a Google Ads Insights & Reports -> Search Terms menüpontban, hogy a jelenlegi PMax kampányaid költésének hány százaléka megy a saját márkanevedre.
• Brand kizárás (2. nap): Hozz létre egy Brand listát a fiókban, és kapcsold hozzá kizárásként az összes futó PMax kampányodhoz. Ezzel egy időben indíts el egy külön Search kampányt a saját márkádra, szigorúan korlátozott napi kerettel (pl. 1000 - 3000 HUF).
• Feed szegmentálás (3-5. nap): Exportáld a termékeid árrés adatait. Hozz létre "Custom Label" szabályokat a Merchant Centerben (például: `custom_label_0` = `high_margin`, `custom_label_0` = `low_margin`).
• Szerkezetátalakítás (6-8. nap): Bontsd szét a meglévő PMax kampányodat. Hozz létre egy "Feed-Only" kampányt az alacsony árrésű vagy nehezen konvertáló termékeknek magas tROAS-szal, és egy teljes kreatív-készlettel ellátott kampányt a húzótermékeknek (Hero products).
• Célközönségek tisztítása (9-10. nap): Töltsd fel a legfrissebb vásárlói adatbázisodat a Közönségkezelőbe. Állítsd be őket célközönség-jelzésként (Audience Signal) a főbb Asset Groupok alá.
• Kizárások finomhangolása (11-12. nap): Tiltsd ki a mobilalkalmazásokat és a nem megfelelő YouTube csatornákat a fiókszintű kizárásoknál.
• Szerveroldali mérés ellenőrzése (13-14. nap): Ha még nincs, kérj be árajánlatot a fejlesztődtől vagy egy külső specialistától a Server-Side GTM és a Google Enhanced Conversions bevezetésére (a magyar piacon ennek egyszeri díja ügynökségtől és komplexitástól függően 150 000 - 350 000 HUF között mozog, de a fenti esettanulmány alapján ez az összeg néhány hét alatt megtérül).
• Elemzés és iteráció: Hagyd futni az új struktúrát legalább 21 napig változtatás nélkül (ez a minimális tanulási fázis), majd az eredményeket ne a Google Ads felületén látható ROAS, hanem a webáruház motor és fizetési kapuk által mutatott nettó profit növekedés alapján értékeld.